3.3.1. Uji Kriteria Statistik
Pengujian kriteria statistik diperlukan untuk melihat korelasi antar variabel persamaan, yaitu dengan menggunakan uji t, F, dan R
2
. 1. Uji t
Uji t dilakukan pada masing-masing parameter untuk melihat tingkat signifikansi variabel bebas, artinya apakah variabel bebas eksogen berpengaruh
nyata atau tidak terhadap variabel tak bebas endogen. Perbandingan anatara nilai t-statistik dengan nilai t-tabel dapat menunjukan daerah atau wilayah penolakan.
Selain itu, uji ini digunakan untuk melihat keabsahan dari hipotesis dan membuktikan bahwa koefisien regresi dalam model secara statistik signifikan atau
tidak. Hipotesis :
H :
βi = 0 ,i = 1, 2, 3, ...., n
H
1
: βi ≠ 0
Statistik uji yang dilakukan dalam uji-t adalah sebagai berikut : b
– B Sb
Dengan hasil t-hitung dibandingkan dengan t-tabel t-tabel = t
α2n – k
dimana : b
= Koefisien regresi parsial sampel B
= Koefisien regresi parsial populasi S
b
= Simpangan baku koefisien dugaan t-hitung =
3.8
Kriteria uji yang digunakan dalam melakukan uji t adalah sebagai berikut : t-hitung t
α2n – k
, maka tolak H t-hitung t
α2n – k
, maka terima H Jika t-hitung t-tabel t
α2n – k
maka tolak H , hal ini berarti variabel yang
digunakan berpengaruh nyata terhadap variabel tak bebas endogen pada taraf α.
Sedangkan apabila t-hitung t-tabel t
α2n – k
maka terima H , hal ini berarti
variabel yang digunakan tidak berpengaruh nyata terhadap variabel tak bebas endogen pada taraf
α. 2. Uji F
Uji F dilakukan terhadap model penduga untuk melihat pengaruh variabel bebas eksogen terhadap variabel tak bebas endogen secara keseluruhan dengan
menggunakan pengujian F hitung. Selain itu uji F digunakan untuk mengetahui apakah model penduga yang diajukan sudah layak untuk menduga parameter yang
ada dalam fungsi. Hipotesis yang diuji dari pendugaan persamaan adalah variabel bebas eksogen tidak berpengaruh nyata terhadap variabel tak bebas endogen.
Hal ini disessbut sebagai hipotesis nol. Mekanisme untuk menguji hipotesis dari parameter dugaan secara serentak
uji F-statistik adalah sebagai berikut : H
: β
= β
1
= β
2
= ... = β
i
= 0 tidak ada pengaruh nyata variabel-variabel dalam persamaan
H
1
: minimal salah satu βi ≠ 0 paling sedikit ada satu variabel bebas yang
berpengaruh nyata terhadap variabel tak bebas
Untuk: i = 1, 2, 3, ..., k β = Dugaan parameter
Statistik uji yang dilakukan dalam uji-F adalah sebagai berikut:
Keterangan : Hasil dari F-hitung dibandingkan dengan F-tabel F-tabel = F
α k -1, n – k
dimana : R
2
= Koefisien determinasi n
= Banyaknya data K
= Jumlah koefisien regresi dugaan Kriteria uji yang digunakan dalam melakukan uji F adalah sebagai berikut :
F-hitung F
αk – 1, n – k
, maka tolak H F-hitung F
αk – 1, n – k
, maka terima H Jika hasil F-hitung F-tabel F
αk – 1, n – k
maka tolak H , hal ini berarti
minimal terdapat satu parameter dugaan yang tidak nol dan berpengaruh nyata terhadap keragaman variabel tak bebas endogen. Sedangkan apabila F-hitung
F-tabel F
αk – 1, n – k
maka terima H , hal ini berarti secara bersama-sama variabel
yang digunakan tidak bisa menjelaskan secara nyata keragaman dari variabel tak bebas endogen.
F-hitung = R
2
k - 1 1
– R
2
n - k 3.9
3. Uji Koefisien Determinasi R
2
dan Adjusted R
2
Koefisien determinasi R
2
dan Adjusted R-squared digunakan untuk melihat sejauhmana variabel bebas mampu menerangkan keragaman variabel tak
bebasnya dan untuk melihat seberapa kuat variabel yang dimasukkan ke dalam model dapat menerangkan model tersebut. Menurut Gujarati 1993 terdapat dua
sifat R-squared yaitu : a. Merupakan besaran non-negative,
b. Batasnya adalah 0 ≤ R
2
≥ 1. Jika R
2
bernilai 1 berarti adanya suatu kecocokan sempurna, sedangkan jika R
2
bernilai 0 berarti tidak ada hubungan antara variabel tak bebas endogen dengan variabel bebasnya eksogen.
Nilai koefisien determinasi dapat dihitung sebagai berikut :
=
dimana : ESS
= jumlah kuadrat yang dijelaskan explained sum square TSS
= jumlah kuadrat total total sum square Salah satu masalah jika menggunakan ukuran R-squared untuk menilai
baik buruknya suatu model adalah akan selalu mendapatkan nilai yang terus naik seiring dengan pertambahan variabel bebas ke dalam model sehingga Adjusted R-
squared bisa juga digunakan untuk melihat sejauhmana variabel bebas eksogen mampu menerangkan keragaman variabel tak bebasnya endogen. Adjusted R-
squared secara umum memberikan penalty atau hukuman terhadap penambahan = 1 -
R
2
= ESS
TSS ESS
TSS 3.10
variabel bebas eksogen yang tidak mampu menambah daya prediksi suatu model. Nilai Adjusted R-squared tidak akan pernah melebihi nilai R-squared
bahkan dapat turun jika ditambahkan variabel bebas eksogen yang tidak perlu. Bahkan untuk model yang memiliki kecocokan rendah goodness of fit, Adjusted
R-squared dapat memiliki nilai yang negatif.
R2 =
dimana : σ
2
= Varians residual S
y 2
= Varians sampel dari Y
3.3.2. Uji Kriteria Ekonometrika
Kategori